基于深度多级残差网络的低信噪比下空频分组码识别方法OA北大核心
A Space-Frequency Block Code Recognition Based on Deep Multilevel Residual Network with Low SNR
针对低信噪比下信号受噪声干扰强,空频分组码(Space-Frequency Block Code,SFBC)识别准确率低的问题,提出了一种基于时频分析与深度多级残差网络的SFBC自动识别方法.通过对互相关序列进行时频分析与降噪、非时钟同步拼接等预处理,以获取能够反映其本质特征的二维图像,适应不同接收端时延下的信号识别,构建带有多层跨越连接的深度多级残差网络以充分融合深浅层特征,实现SFBC识别.该方法不需要人为设定阈值和假设检验统计量,克服了传统算法人工提取特征存在的调参过程烦琐、专业经验要求高的缺陷,对低信噪比环境具有较强的适应性.在信噪比为-14dB时,该方法的识别准确率达到了95.8％.本文提出的特征转化和预处理方法,为基于特征提取的识别方法与深度学习技术相结合提供了新思路,其思想同样可应用于其他通信信号识别领域.
张聿远;张立民;闫文君
海军航空大学信息融合研究所,山东烟台264001海军航空大学信息融合研究所,山东烟台264001海军航空大学信息融合研究所,山东烟台264001
信息技术与安全科学
空频分组码时频分析非时钟同步深度学习深度多级残差网络
《电子学报》 2022 (1)
79-88,10
国家自然科学基金重大研究计划(No.91538201)泰山学者工程专项经费(No.Ts201511020)
评论